ابزار پیشنهاددهنده تعاملی (Interactive Recommender Tool) بازی استیم به سود چه کسانی عمل خواهد کرد؟ بازیکن یا بازی‌ساز؟

0
40

پیدا کردن بازی‌ها بر روی فروشگاه استیم همواره دشوار بوده چراکه سیل عظیمی از بازی‌های مختلف منتشرشده بر روی این پلتفرم، پیدا کردن بازی موردنظر را هم برای سازندگان بازی‌ها و هم برای بازیکنان با مشکلات بسیاری روبرو ساخته است. شرکت Valve برای حل این مشکل قصد دارد سیستم جدید پیشنهاد بازی خود که بر پایه هوش مصنوعی به‌جای فراداده‌های گزینش‌شده از کاربران است را به وجود آورد. به این هوش مصنوعی به هیچ ‌وجه اطلاعاتی درباره بازی به جز تاریخ انتشار آن داده نمی‌شود و اطلاعات آن تحت تأثیر نمره‌ای که مخاطبین به بازی‌ها می‌دهند نیز قرار نمی‌گیرد. در عوض اطلاعات خود پیرامون بازی‌ها را تنها بر اساس آنچه بازیکنان انجام می‌دهند، به دست می‌آورد.

در همین راستا، Valve ویژگی جدیدی (اما آزمایشی) برای استیم راه‌اندازی کرده است که لایه‌ای تعاملی مبتنی بر یادگیری ماشین را درون سیستم پیشنهاددهنده فروشگاه خود به وجود می‌آورد. این پیشنهاددهنده تعاملی، مجموعه‌ای از سوابق بازی کاربران را گردآوری کرده و به کمک ماشین یادگیری، فهرستی از بازی‌های پیشنهادی که احتمال می‌رود موردعلاقه کاربر باشد را پیشنهاد می‌کند. هرچند که این فناوری در حالت نظری، مشابه الگوریتم قبلی پیشنهاددهنده شرکت Valve به نظر می‌رسد اما پیشنهاددهنده تعاملی، همچنان که از اسم آن برمی‌آید، این امکان را برای کاربر فراهم می‌آورد تا پارامترهای موجود در نتایج گردآوری سوابق بازی را با یکدیگر ادغام کرده و در نهایت، بازی‌های پیشنهادشده را مشاهده کند. این ابزار جدید استیم با در نظر گرفتن سوابق بازی‌های بازیکن و الگوی موجود در آن‌ها فهرستی از بازی‌ها را پیشنهاد می‌دهد اما این امکان نیز برای کاربر وجود دارد که فیلترهایی از قبیل هشتگ‌های بازی، بازی‌های قدیمی یا تازه انتشاریافته و وزن بازی از لحاظ محبوبیت یا تخصصی بودن آن را بر روی نتایج اعمال کند.

دست‌اندرکاران شرکت Valve می‌گویند که:

«این پیشنهاددهنده جدید بر پایه یک مدل شبکه عصبی شکل گرفته و طوری طراحی شده است که بر اساس تحلیل سابقه مدت‌زمان بازی توسط کاربر در کنار دیگر داده‌های مهم، به کاربر، پیشنهاد می‌دهد. ما این مدل را بر اساس داده‌های به‌دست‌آمده از میلیون‌ها کاربر استیم و میلیاردها ساعت بازی آن‌ها به دست آورده‌ایم؛ این اطلاعات به ما در شناخت تفاوت‌های ظریف میان الگوهای بازی کردن و طبقه‌بندی آن‌ها کمک می‌کند. از طرفی این مدل پارامتریک‌شده است و این امکان را برای ما فراهم می‌آورد تا خروجی‌ بازی‌هایی که درون یک بازه زمانی مشخص انتشار می‌یابند را فیلتر کرده و طوری آن را تنظیم کنیم که بازی‌ها در رتبه بالا یا پایینی از محبوبیت طبقه‌بندی گردند. این پارامترها در معرض دید کاربران نیز قرار گرفته و این امکان را به آن‌ها می‌دهد تا انتخاب نمایند که تنها بازی‌های منتشرشده در سال‌های اخیر را در نتایج جستجوی خود ملاحظه کنند یا بازی‌هایی که در دهه‌های اخیر تولید شده‌اند را نیز ببینند. به‌علاوه کاربران می‌توانند انتخاب کنند که بازی‌های مشهور و برجسته را ببینند یا از میان تمامی بازی‌های موجود در یک دسته‌بندی دست به انتخاب بزنند. صرف‌نظر از تمامی این دسته‌بندی‌ها، نتایج جستجو درنهایت شخصی شده و متناسب با تک‌تک کاربران نمایش داده خواهد شد».

در طول سال‌ گذشته، توانایی Valve در ایجاد موتورهای پیشنهاددهنده، ابزارهای جستجو و سیستم‌های پیشرفته پیدا کردن بازی‌ها که هم برای سازندگان آن‌ها و هم برای بازیکنان مفید است، ارتقاء یافته است. در حراج تابستانه فروشگاه استیم در سال جاری، شرکت Valve رقابت سردرگم‌کننده‌ای را برگزار کرد که در نتیجه آن بازیکنان شروع به حذف بازی‌های بازی‌سازان مستقل از لیست دلخواه (Wish List) خود کردند تا از این طریق سیستم را دور زده و بتوانند به بازی‌های گران‌قیمت و حرفه‌ای به‌طور رایگان دسترسی یابند. این کار از این باور غلط که حذف بازی‌های ارزان‌قیمت، شانس دریافت بازی‌های گران‌قیمت به‌طور رایگان را افزایش می‌دهد، ناشی شده بود. این اتفاق، بازی‌سازان را به شدت وحشت‌زده کرده و آن‌ها را نسبت به عملکرد فروش بازی‌ها توسط استیم، ناخرسند ساخت چرا که بسیاری از بازی‌سازان حضور قابل‌توجه بازی‌های خود را هم در لیست‌ دلخواه بازیکنان و هم در آمار فروش کلی بازی‌‌ها، از دست دادند.

نمودار زیر تعداد بازی‌هایی که از سال 2004 تا سال 2018 بر روی فروشگاه استیم قرار گرفته‌اند را نشان می‌دهد.

سیستم جدید پیشنهاد بازی شرکت Valve را نمی‌توان پاسخ مستقیم این شرکت به اتفاق ناگواری که در حراج تابستانه استیم افتاده بود، دانست بلکه می‌توان آن را نمونه‌ای از تلاش این شرکت برای بهبود الگوریتم پیشنهاددهی خود قلمداد کرد به‌نحوی‌که هم به سود سازندگان بازی باشد و هم به بازیکنان کمک کند تا بازی‌های موردعلاقه خود را به‌راحتی در فروشگاه بیایند. تاکنون تغییرات ایجادشده توسط شرکت Valve در سیستم پیشنهاددهی آن، بحث‌های بسیاری را به وجود آورده است چراکه ایراد الگوریتمی موجود در سیستم فروشگاه استیم در سال گذشته موجب گردید تا بازی‌های بزرگ موجود در این فروشگاه به قیمت بازی‌های کوچک‌تر فروخته شود. پس از مشکلات به وجود آمده در حراج تابستانه استیم، برخی از بازی‌سازان به این باور رسیدند که Valve حقیقتاً به دنبال راهی برای حل این مشکلات است.

ابزار آزمایشی پیشنهاددهنده تعاملی بازی بیشتر مورد استفاده بازیکنان قرار می‌گیرد اما شرکت Valve بر این امر تأکید دارد که این ابزار علاوه بر بازیکنان، به سود سازندگان بازی نیز خواهد بود. شرکت Valve تغییرات ایجادشده در سیستم پیشنهاددهی خود را ابزاری تعاملی و گزینشی معرفی نموده که این امکان را برای Valve فراهم می‌آورد تا به بهترین نحو از داده‌ها استفاده کند. این شرکت مدعی است که این تغییرات جدید همانند آنچه در گذشته پیرامون تغییر ناگهانی الگوریتم پیشنهاد بازی استیم روی داده و در ذهن بازی‌سازان به‌عنوان کاری بی‌فایده تلقی شده، نیست. به‌علاوه Valve یادآور شده است که از حیث طراحی، ابزار مبتنی بر ماشین یادگیری نیازمند هیچ بهینه‌سازی (Optimization) از سوی سازندگان بازی نیست چراکه همه‌چیز از طریق تحلیل رفتار بازیکنان به جای تعیین هشتگ‌های به‌خصوص، صورت می‌گیرد. Valve این اطمینان را به بازی‌سازان می‌دهد که: «هرچند که تأمین اطلاعات سودمند درباره بازی برای کاربران بر روی فروشگاه بازی مهم است اما بازی‌سازان نباید نگران این باشند که هشتگ‌ها یا دیگر فراداده‌ها بر نحوه دیده شدن بازی توسط ابزار پیشنهاددهنده بازی و نمایش بازی آن‌ها تأثیر بگذارد».

تصویر زیر نمونه‌ای از کارکرد ابزار پیشنهاددهنده تعاملی برای یک کاربر را نشان می‌دهد. همان‌گونه که مشاهده می‌کنید در ستون سمت چپ سوابق مربوط به بازی‌های انجام‌شده کاربر نمایش داده شده است. این سوابق بر اساس تعداد ساعات بازی و تاریخ آخرین بار اجرای بازی‌ها تنظیم شده است. در سمت چپ تصویر نیز بازی‌های توصیه‌شده به بازیکن قرار گرفته‌اند. این امکان نیز برای کاربر در نظر گرفته شده است که فیلترهایی نظیر تاریخ انتشار بازی‌ها و میزان محبوبیت آن‌ها را بر روی دو طیف جداگانه مشخص سازد. به‌علاوه کاربر قادر است از سویی هشتگ‌های مورد نظر خود را تعیین کرده و از سوی دیگر هشتگ‌هایی که تمایلی به وجود آن‌ها ندارد را از فیلتر نتایج پیشنهاد بازی حذف کند.

سعیده جنتی

فوق لیسانس مدیریت رسانه، عضو مرکز تحقیقات بازی‌های دیجیتال (دایرک) و پژوهشگر حوزه بازی‌های دیجیتال هستم. روندهای جهانی این صنعت را رصد کرده و مورد تحلیل قرار می‌دهم.

ارسال یک پاسخ

لطفا دیدگاه خود را وارد کنید!
لطفا نام خود را در اینجا وارد کنید